Greptile amplia la detecció d'errors amb GPT‑6 Astra

Greptile⁠(s'obre en una finestra nova) crea agents d'IA que revisen i proven canvis en el codi amb tot el context de la base de codi. "Ens dediquem a reduir els errors i a fer que el programari de tot el món sigui més fiable", afirma Daksh Gupta, cofundador i director general.

Per a Daksh, aquesta missió exigeix provar el comportament d'una aplicació, a més de llegir-ne el codi. La capacitat de GPT‑6 Astra d'utilitzar l'ordinador permet a Greptile automatitzar les proves a gran escala.

Validar una pull request implica comprovar si el codi és lògicament correcte, fa el que el desenvolupador pretenia, és segur i no altera el funcionament de les funcionalitats existents. Per a algunes d'aquestes proves, cal executar l'aplicació, perquè només llegint el codi pot ser que no es detecti el problema.

Daksh posa l'exemple d'un botó que desapareix quan es visita un lloc web des d'un iPhone. Amb GPT‑6 Astra, Greptile pot iniciar un servidor de desenvolupament per a una pull request, ajustar l'àrea de visualització del navegador a la mida de la pantalla d'un iPhone i simular la navegació d'un usuari per l'aplicació. La comprensió visual del model li permet examinar la pantalla i detectar el botó ocult.

"Que una empresa de control de qualitat provi tots els canvis és massa lent per ser viable, tenint en compte la rapidesa amb què podem publicar codi amb aquests models", explica. Amb GPT‑6 Astra, Greptile pot automatitzar aquest tipus de proves d'aplicacions a gran escala.

Daksh explica que els models més potents també faciliten que els atacants explotin vulnerabilitats de les aplicacions i posin en risc les empreses, fins i tot aquelles que abans no haurien estat objectius habituals.

"Volem que fins i tot una empresa emergent ho tingui molt fàcil per protegir els seus sistemes", diu Daksh. "Amb Daybreak, ho podem fer de manera molt segura i podem garantir que els nostres clients disposin de mecanismes de defensa més sofisticats que els mecanismes d'atac dels adversaris."

La base de coneixement de Greptile indexa la base de codi d'una empresa i en documenta el funcionament en un format que tant les persones com els agents poden llegir. L'empresa posa aquesta documentació a disposició de Codex mitjançant un servidor del protocol de context de models (MCP).

Això permet a Codex escriure codi que segueix els patrons que el client ja utilitza. Segons Daksh, milers de clients han connectat Codex a la base de coneixement de Greptile.

Per mesurar-ne l'impacte, l'equip fa un seguiment de la freqüència amb què es reverteix el codi generat per IA. "Quan proporcionem context als agents, es reverteixen menys canvis i els clients estalvien temps i recursos d'inferència", explica Daksh. Els clients poden dedicar aquests recursos a tasques noves en lloc de refer els mateixos canvis.

Greptile també utilitza Codex per desenvolupar el seu propi programari i els seus agents. "Fem un ús intensiu de Codex", afirma Daksh. "L'utilitzem moltíssim en totes les àrees de l'empresa, especialment en enginyeria."

Daksh explica que, per a Greptile, l'únic coll d'ampolla real és la rapidesa amb què l'equip pot convertir les idees en programari que funcioni. Afirma que la intel·ligència dels models ja és suficient per a moltes tasques, de manera que veu Ultrafast com una via per accelerar el desenvolupament.

A llarg termini, el seu objectiu és que modificar i llançar programari empresarial crític sigui tan fàcil com llançar un projecte personal, amb l'ajuda d'OpenAI perquè Greptile desenvolupi els mecanismes de validació necessaris.